改进的模糊控制算法在机器人路径规划中的应用探讨

周鲁 张辉军 杨晓骥

摘要：在机器人导航过程中，必须确保路径规划的正确性与有效性，但目前，模糊控制算法在机器人路径规划时仍存在局部最小值问题，为解决这一问题，本文结合以往经验，提出一种新的模糊控制算法--基于行为的模糊控制算法。本文就该种改进的模糊控制算法在机器人路径规划中的应用进行分析探讨。

关键词：模糊控制算法;移动机器人;路径规划;行为控制

针对模糊控制算法的局限性，提出了基于行为的模糊控制算法，在机器人路径规划中应用这一算法时，首先将机器人的运动行为进行分解，将其分解为目标趋向行为与躲避障碍行为，针对这两种移动行为设定相关的模糊规则，控制机器人做有效动作，也就是完成路径规划^【1】。下文首先就基于行为的模糊控制算法做简要分析。

1改进的模糊控制算法分析

1.1模糊逻辑控制器

模糊逻辑控制器中有以下几组参数：DL、DF、DR。其中，DL表示通过传感器感知到与左边物体间的距离;DF代表通过传感器感知到与前边物体间的距离;DR代表通过传感器感知到与右边物体间的距离，（N，M，F）分别表示它们的模糊子集，且（N，M，F）分别对应于通过传感器感知到的距离为近，中，远^【2】。

同时，在了解机器人运行目标地点坐标与当前运行方向间的夹角时，我们用T表示，而D则代表机器人当前所在位置与目标位置间的距离，确定距离时，分别用（Z，N，M，F）表示，这几个模糊子集对应的距离为：无距离，近距离，中度距离以及远距离。而（Z，S，M，，B）则表示机器人在移动过程中的速度，Z表示机器人静止不动，S表示机器人在慢速移动，M表示机器人在以中速移动，B表示机器人正在快速移动。机器人在移动过程中若检测到有障碍物存在，就会产生旋转角，旋转角也有对应的模糊子集，具体为（TLB，TLS，TZ，TRB，TRS），TLB表示机器人未产生移动速度，TLS 表示机器人在慢速旋转中，TZ表示机器人在中速旋转中，TRB，TRS等依次对应相应旋转速度^【3】。

1.2模糊规则

机器人配置有传感器，通过传感器，机器人可感知到障碍物的存在，并根据感知结果，采取相应躲避动作，如避障，边沿跟踪，目标导向。但无论机器人采取哪种动作，都是根据相应的避障算法^【4】。如机器人在移动过程中通过传感器感知到正在逐步将障碍物靠近或行驶到狭窄道路，根据避障算法，机器人会采取减速避障动作，以确保顺利到达目标地点。通常情况下，机器人与障碍物存在以下位置关系：（1）机器人正朝障碍物移动，机器人的正前方为障碍物;（2）机器人的左前方为障碍物;（3）机器人的右前方为障碍物;（4）机器人的前方存在障碍物;（5）机器人的右前方与正前方存在障碍物;（6）机器人的右前方与左前方存在障碍物;（7）机器人在移动过程中感知不到障碍物存在。

1.3目标趋向行为

目标趋向行为指的是机器人在移动过程中感知不到周围有障碍物存在时，机器人会启动目标导向行为，向目标地行进^【5】。结合以往经验，发现机器人在移动过程中会一直向着目标前进，因此需要建立避障行为的模糊规则库，不断调整方向角进行避障，这样方能保证机器人动作的时效性与安全性。

2模糊控制算法实验测试

2.1实验设定

（1）变量。变量是应用模糊控制算法时不可缺少的内容，因此在进行仿真实验时，首先需正确设定模糊控制器中的变量，准确设定变量后，方能进行后续工作。

（2）主循环。主循环部分主要实现机器人传感器的循坏检测，并根据条件设置相应的反应函数。反映函数设定后，移动机器人的动作会受反应函数控制，如机器人在移动过程中若感应到有障碍物存在，控制程序就会启动，机器人会执行模糊控制子函数;若机器人在移动过程中未能检测到障碍物，则趋向动作子程序就会启动，机器人仍会按照预定轨迹完成工作任务^【6】。

（3）目标趋向程序。机器人在工作过程中，传感器会向机器人释放两种信号，一是在存在障碍物的信号，二是不存在障碍物的信号。而在传感器正常工作的情况下，若存在以下两种情况传感器不会感知到周围有障碍物存在：一是机器人周围不存在障碍物;二是障碍物与机器人距离太远，障碍物超出传感器感应范围，传感器无法感应到障碍物。在此情况下，机器人会根据坐标位置与目标点坐标位置夹角的正负来改变机器人本身的运动反向，使机器人逐渐向目标点移动^【7】。

2.2实验过程

为验证基于行为的模糊控制算法在机器人路径规划中的可靠性，我们设计一个仿真实验进行证明。首先，设定一个起点与终点（起点与终点间不是直线且存在障碍物），在相关控制程序中设置机器人的起点与终点坐标，打开传感器，让机器人按照既定规则移动，在移动过程中，机器人出现绕墙行走行为，这一行为正是模糊控制算法的体现^【8】。同时，机器人在移动过程中若感知到障碍物，其会自动采取避障措施，如重新选择一条路径行进，最终到达目标地点，而在未感知到有障碍物存在的情况下，机器人会按照设定路线，在一定时间内到达目标地点，完成工作任务。通过这一仿真实验，有效验证了基于行为的模糊控制算法的可行性，完善了改进的模糊控制算法在机器人路径规划中的应用。

3技术分析

一直以来，机器人的路径规划都是一个重难点问题，为有效解决这一问题，本文提出一种改进的模糊控制算法，该种算法能在环境位置或部分未知的环境下，根据传感器获得的信息，详细掌握障碍物的位置、尺寸、形状等信息，使机器人及时采取避障动作，重新规划、选择路径，有效消除故障影响，确保机器人及时完成工作任务。在应用基于行为的模糊控制算法规划机器人行走路径时，需以模糊集合理论为基础，设定出模糊推理系统的基本结构：推理单元，模糊化输出接口、模糊化输入接口与知识库。在建立起模糊推理系统的基本结构后，就需合理建立模糊控制器，建立模糊控制器时首先需正确选择输入输出变量，确保变量能准确反映出系统工作机制，其次需要定义这些变量的模糊子集，并用模糊规则建立输入集与输出集的关系，之后对模糊控制器的核心部分进行模糊推理，最终完成路径规划。

结语

综上所述，在机器人导航过程中，路径规划是不可缺少的环节，但以往在应用模糊控制算法设定路径时，经常会出现局部最小值问题，本文重点对这一问题做了改进完善，提出将机器人运动规划行为分解为趋向目标行为与避障行为的观点，并以此观点为基础，实现了对机器人的精准控制，有效完成了路径规划。经过实验验证，基于行为的模糊控制算法是正确有效的，可以在机器人路径规划中进行应用。

参考文献

[1]刘鹏. 移动机器人基于全景视觉的定位与路径规划算法设计和实现[D].哈尔滨工程大学，2017.

[2]鲁红权，刘秋鹤，葛常建，史涛.基于模糊算法的双足机器人路径规划[J].电子技术与软件工程，2016（12）：117-119.

[3]施磊磊，施化吉，束长波，宋玉平.改进的模糊控制算法在机器人路径规划中的应用[J].软件导刊，2014，13（11）：46-48.

[4]王妹婷，陆柳延，齐永锋，吕学智，蒋伟，李生权.基于模糊算法的水下机器人路径规划研究[J].机床与液压，2014，42（03）：1-4.

[5]张营，鲁守银.基于模糊控制算法的变电站巡检机器人路径规划[J].制造业自动化，2015，37（11）：53-55.

[6]谢亚楠. 移动机器人路径规划算法的研究[D].西安建筑科技大学，2016.

[7]刁圣贞. 未知环境下機器人路径规划与远程控制的研究[D].燕山大学，2014.

[8]温素芳. 基于模糊控制的移动机器人动态避碰的研究[D].哈尔滨工程大学，2005.

第一作者简介：周鲁（1972.07--），男，汉族，硕士研究生，信息系统高级工程师。

第二作者简介：张辉军（1989.12--），男，汉族，本科，机械自动化工程师。

第三作者简介：杨晓骥（1984.05--），男，汉族，本科，研究方向：软件工程。

（作者单位：克拉玛依油城数据有限公司）